人工智能导论第二章与或图搜索问题.ppt

第二章 与或图搜索问题 2.1 与或图的搜索 与或图是一个超图，节点间通过连接符连接。 K-连接符： 耗散值的计算 解图的耗散值记为k（n，N） ①若n是N的一个元素，则k（n，N）＝0； ②若n是一个外向连接符指向后继节点{n1，…，ni}，并设该连接符的耗散值为Cn，则k(n, N) = Cn+k(n1, N)+…+k(ni, N) 其中：N为终节点集 Cn为连接符的耗散值 能解节点 终节点是能解节点(因为它们与本原问题相关连) 若非终节点有“或”子节点时，当且仅当其子节点至少有一能解时，该非终节点才能解。 若非终节点有“与”子节点时，当且仅当其子节点均能解时，该非终节点才能解。 不能解节点 没有后裔的非终节点是不能解节点。 若非终节点有“或”子节点，当且仅当所有子节点均不能解时，该非终节点才不能解。 若非终节点有“与”子节点时，当至少有一个子节点不能解时，该非终节点才不能解。 普通图的情况 f(n) = g(n) + h(n) 对n的评价实际是对从s到n这条路径的评价 与或图: 对局部图的评价 两个过程 图生成过程，即扩展节点 从最优的局部图中选择一个节点扩展 计算耗散值的过程 对当前的局部图从新计算耗散值 2.2与或图的启发式搜索算法AO* 　　 在 算法中，对当前搜索图的"前沿"（即在OPEN表中的节点）节点进行评价，选取f值最小的节点进行扩展。回想一下，f是如何定义的？f(n) = g(n) + h(n)　　其中g(n)表示的是已经求得的从初始节点到当前节点n的路径耗散值，h(n)表示的是从n到目标节点的最优路径耗散值的估计值。所以对节点n的评价，实际上是对"初始节点--节点n--目标节点"这一条路径的评价。　　在与或图搜索中，由于"与"节点的存在，单纯对一个节点的评价已经不能反映解图的全面情况。与或图中的解图相当于普通图中的解路径。从上边所分析的，"对节点n的评价，实际上是对'初始节点--节点n--目标节点'这一条路径的评价"这一思路出发，我们可以很容易的想到，能否通过对局部解图进行评价，来达到类似于普通图中A*搜索的目的。AO*算法，正是这样的一种适用于与或图的搜索算法。 启发式的与或图搜索过程和普通图类似，也是通过评价函数f（n）来引导搜索过程。 　　 对于与或图来说，由于局部图中有多个叶节点，不能像普通图搜索那样，通过对某一个节点的评价来实现对整个局部图的评价。在普通图搜索中，f(n)=g(n)+h(n)，表面上是对n的评价，实际上是对通过n的这条路径的评价。因此对于与或图搜索来说，就是通过对局部图的评价来选择待扩展的节点。 下面首先讨论 算法本身，然后再通过示例说明搜索过程以及与 算法的某些差别。 1． 算法 算法可以划分为两个阶段。第一阶段：图生成过程，即扩展节点。对于每一个已经扩展了的节点， 算法都有一个指针，指向该节点的后继节点中，耗散值小的那个连接符。图生成过程，就是从初始节点出发，按照该指针向下搜索，一直到找到一个未扩展的节点为止。然后扩展该节点。从下面的讨论可以知道，这实际上扩展的是一个耗散值最小的局部图。第二阶段：耗散值计算过程。这是一个逆向的计算过程。设n为最新被扩展的节点，该节点有m个外向连接符连接n的所有后继节点。则根据耗散值的计算公式，可以计算出节点n相对于每一个外向连接符的耗散值。从中选择一个最小值作为n的耗散值。并标记一个指针指向产生最小耗散值的外向连接符。对于n的父节点，进行同样的计算。重复这一过程，直到初始节点s为止。这时，从s出发，选择那些指针所指向的连接符得到的局部图，为当前耗散值最小的局部图。当连接符全部为1－连接符时，局部图就是一个路径，选择一个耗散值最小的局部图扩展，与第二章中从OPEN表中选择一个f值最小的节点扩展是一致的。 过程 ： 1、建立一个搜索图G，G:＝s，计算q（s）＝h（s），IF GOAL（s）THEN M（s，SOLVED）；开始时图G只包括s，耗散值估计为h（s），若s是终节点，则标记上能解。2、Until s已标记上SOLVED，do：3、begin4、G′:＝FIND（G）；根据连接符标记（指针）找出一个待扩展的局部解图G′。5、n:＝G′中的任一非终节点；选一个非终节点作为当前节点。6、EXPAND（n），生成子节点集{nj}，计算q（nj）＝h（nj），其中nj G，G:＝ADD（{nj}，G），IF GOAL（nj） THEN M（nj， SOLVED）；对G中未 出现的子节点计算耗散值，若有终节点则加能解标记，然后把n的子节点添加到G中。7、S:＝{n}；建立含n的单一节点集合S。8、Until S为空，do：9、begin10、REMOVE（m，S）， ；这个